По мере того как генеративный ИИ развивается в агентный ИИ, решение о том, создавать систему самостоятельно или покупать ее, становится все сложнее и зависит от таких факторов, как размер бизнеса, сценарии использования и стратегические приоритеты.

Предприятия и малые и средние компании (SMB) давно сталкиваются с фундаментальным вопросом: создавать ли ИИ-возможности внутри компании или покупать их у поставщика. Это решение влияет не только на то, как организации внедряют технологии, но и на то, насколько экономически эффективным окажется их подход.

Когда OpenAI впервые представила ChatGPT примерно четыре года назад и компании начали экспериментировать с генеративным ИИ, путь вперед казался простым. Покупка больших языковых моделей у OpenAI или Anthropic либо использование open source-моделей от Meta выглядели безопасной ставкой для организаций, которые не хотели отстать.

Однако по мере взросления генеративного ИИ и расширения применения agentic AI дилемма «создавать или покупать» стала более нюансированной. В отличие от генеративных ИИ-инструментов, которые отвечают на отдельные запросы, агентные ИИ-системы предназначены для планирования и автономного выполнения многошаговых задач — с взаимодействием с внешними инструментами, базами данных и API для завершения рабочих процессов, таких как обработка заявок, управление запасами или планирование. Этот переход от генерации контента к автономным действиям создает новые требования к надежности, мониторингу и интеграции систем, которых ранние ИИ-внедрения не требовали. Сейчас ключевые факторы включают размер бизнеса, конкретные приложения и то, что предприятие или SMB считает своим «moat» — определяющим ценностным предложением, которое отделяет его от конкурентов и защищает от них.

Фокус и гибкость

Для Home Depot клиентский опыт (CX) является одним из важнейших элементов бизнеса, сказал Нинью Чэнь, старший вице-президент по технологиям ритейлера, во время сессии на конференции Ai4 2026 в Лас-Вегасе.

«Мы бы никогда не передали эту часть другим», — сказал Чэнь.

При этом Home Depot сохраняет партнерства с ведущими AI-поставщиками, включая Anthropic, OpenAI, Google и Microsoft, и активно использует их технологии.

Несмотря на это, Чэнь советует компаниям, которые рассматривают вопрос «создавать или покупать», в первую очередь сосредоточиться на правильном сценарии использования и сохранять гибкость в выборе партнеров и поставщиков.

«Я оставлю партнерство очень открытым», — сказал он в интервью AI Business. «Мы все еще на раннем этапе, и может произойти многое. Посмотрите на OpenAI: раньше она доминировала, теперь уже нет».

Ландшафт поставщиков моделей действительно заметно расширился с момента появления ChatGPT. Claude от Anthropic, Gemini от Google, семейство open-weight-моделей Llama от Meta, французская Mistral, а также DeepSeek и Moonshot AI из Китая входят в число альтернатив, которые теперь конкурируют в разных диапазонах производительности и цен, предлагая покупателям больше выбора — и больше сложности — чем когда-либо прежде.

«Нужно иметь абстракционный слой, чтобы защитить себя от таких изменений», — добавил он.

Санти Рамеш, CEO и chief AI strategy officer консалтинговой компании Future Propel, отметила, что компаниям, которые хотят создавать решения, следует тщательно оценить время и ресурсы, которые они готовы инвестировать в интеграцию генеративного или агентного ИИ в свои платформы.

Рамеш, которая ранее руководила AI-трансформацией в таких организациях, как The Hershey Company и Ferrero, итальянская шоколадная компания, сказала, что решение также зависит от ключевой компетенции бизнеса.

«Если ваша ключевая компетенция — не технологическая компания, вам лучше сотрудничать и покупать», — сказала она в интервью. «Если у вас большие объемы данных, высокие требования к безопасности, огромные массивы данных и вам нужно индивидуальное решение, тогда вы должны строить сами. Я делала и то и другое».

Эти соображения, связанные с данными и безопасностью, особенно важны в регулируемых отраслях, таких как здравоохранение, финансовые услуги и страхование, где требования к локализации данных, аудируемости и соблюдению норм могут ограничивать использование сторонних AI-платформ.

Для предприятий и SMB, которым нужна большая гибкость, Рамеш рекомендовала тестировать, изучать и приобретать платформу или вступать в партнерство с поставщиком на условиях, позволяющих выйти из сотрудничества, например после beta-теста.

Стоимость покупки или создания

Покупка может привести к операционному долгу, предупредила Рэйчел Ибарра, вице-президент по данным и инновациям в Cardinal Group Companies, компании в сфере управления недвижимостью и real estate. Cardinal Group использует гибридный подход и внедряет собственного AI-агента под названием Stan.

Ибарра сказала, что предприятиям, выбирающим между внутренней разработкой и внешней закупкой, нужно учитывать, «как выглядит целостная система».

«Это не только экосистема технологий», — сказала она во время выступления на конференции. «Это экосистема того, как работает организация».

Для компаний, чьи данные дают ощутимое конкурентное преимущество, создание решения может быть предпочтительным вариантом, сказала Ибарра. Она также предложила рассматривать разработку, когда потребность является частичной.

«То есть вам нужна лишь часть чего-то относительно небольшого [и] это больше ориентировано внутрь компании и дает вам большое внутреннее преимущество», — сказала она в интервью. «Я бы сказала, что это лучше создавать для нетехнологических компаний, у которых не обязательно есть ресурсы, чтобы нанимать большую инженерную команду».

Еще один важный фактор — инфраструктура, сказал Маркус МакКей-Флейш, директор по развитию профессиональных услуг в Smartsheet.

«Для меня главный вопрос в том, чувствуете ли вы, что у вас есть правильная инфраструктура, чтобы строить самим?», — сказал он в интервью. «Это программа citizen development, где сотрудники бизнеса сами создают решения, и если да, то какие ограничения вы вокруг этого выстраиваете?»

Компаниям также необходимо убедиться, что у них есть надежная хостинг-инфраструктура и возможность поддерживать AI-агентов или системы, если они выйдут из строя или изменятся. Крупные облачные провайдеры — AWS, Google Cloud и Microsoft Azure — уже представили управляемые платформы для агентов, призванные снизить эту нагрузку, предлагая готовые инструменты оркестрации и развертывания, которые занимают промежуточное положение между полностью кастомной разработкой и готовыми продуктами.

Кроме того, создание AI-агента или системы требует учета нюансов выбора наиболее подходящей AI-модели для каждого сценария использования.

Phenom — это компания в сфере HR-технологий и applied AI, которая разрабатывает ПО для помощи организациям в найме кандидатов и развитии навыков.

Поставщик использует различные модели, включая open models от Mistral и недорогую модель Kimi от китайского вендора Moonshot AI. По словам CEO Mahe Bayireddi, многим организациям, создающим AI-агентов или системы с AI-агентами, иногда приходится переключать модели в зависимости от конкретного сценария использования. Например, одни модели хорошо подходят для HR-приложений, а другие — для финансовых.

Компании «не понимают нюансов того, как можно переключаться, не на уровне вашей компании, а на уровне отрасли», — сказал Bayireddi. «Ваши модели будут переключаться на лету».

Just a Bite Better

Стив Той, основатель и создатель Just a Bite Better, приложения для питания на базе ИИ, решил создавать AI-агентов прямо внутри своего приложения, а не покупать систему для их внедрения. Приложение использует несколько агентов, работающих совместно, чтобы предоставлять пользователям обзор их питания.

«Мы не используем ни одного поставщика и ни одну модель», — сказал Той в интервью. «Мы построили собственный model garden, если хотите, а по сути это просто код, который обращается к API всех этих сервисов».

Для Тоя решение создавать, а не покупать или использовать model garden от Google, AWS или Microsoft обусловлено его техническими знаниями и спецификой бизнес-приложения.

«Я не занимаюсь передачей больших сумм денег туда-сюда», — сказал он, отметив, что пользователи оплачивают приложение через Apple, Google или Stripe. Кроме того, пользователи могут удалить любую персонально идентифицируемую информацию, а их данные кодируются так, чтобы не указывать на конкретного человека.

«Во многих отношениях у нас низкие ставки, тогда как IBM и PayPal должны учитывать другие вещи», — сказал Той.

Он добавил, что компаниям, которые все еще решают, покупать или создавать, лучше сначала точно понять, что именно им нужно купить, особенно на рынке, насыщенном AI-поставщиками, продуктами и услугами.

«Чтобы понять, как покупать, нужно знать, какую проблему вы пытаетесь решить, и помнить, что любой бизнес можно разложить на части», — сказал он. «Когда вы покупаете, вы покупаете для решения проблемы, части вашего бизнеса».

Создание решения, добавил Той, также может помочь контролировать расходы. Для Just a Bite Better он внедрил систему, которая устанавливает жесткий лимит на количество токенов или на стоимость, которую каждая модель может использовать ежемесячно.

«Так можно предотвратить катастрофу, и это очень важно, потому что очень легко проснуться утром и обнаружить счет на $50,000», — сказал Той.